crackhopper

研究生最大的优势就是有证书吧。思维能力，这和是不是研究生没关系。

如果只是提高思维能力，自学达到教授水平都不成问题。

文献这东西，你读不懂就是基础没掌握好。

拿我熟悉的领域举例子，比如你读 ML/AI 方向的论文想做到复现论文，那有几个前置课程必须学明白了（倒不用很精通）：微积分、线性代数、概率统计、多元统计分析、机器学习入门书(统计学习方法-李航、机器学习-周志华、ESL 、PRML 、MLAPP ，以上这些读 1-2 本)、深度学习神经网络相关一些补充资料。理论上这些掌握差不多了，动手上还需要你掌握一定水平的实践能力：c++、python 以及相关库 pytorch, tensorflow, caffe 等。到此，根据细分的研究领域，需要继续看几本书，比如 CV 需要看信号与系统、数字图像处理、一些研究方向的综述、以及深入用用 OpenCV 。上面基础都万事了，开始读入门级别的论文，比如 CV 方向，AlexNet ，BN ，ResNet ，RCNN ，Faster RCNN ，YOLO...，然后，可以跟进最新的论文，尝试复现了。

我其实觉得我上面说的方向难度还算中等吧，如果要搞高性能 AI 计算框架或者其他基础设施，技术路线就完全不一样了。编译原理、操作系统、汇编(类似 SIMD 、缓存等指令层面上的利用)、GPU 编程、分布式一致性算法等等。

总之，如果只是提升能力，你需要足够耐心，投入足够时间。

95%的工作用不上深入理解 GC 。但还有 5%的工作是需要理解的。

有 GC 的语言可能由于 GC 有 bug 、或者使用语言的写法是标准里未定义的，都会导致内存泄漏。

以此判断对某门语言花了多少心思，是有这方面考量。另一种隐含的考量是，是否一个人有机会接触到底层细节。一般来说，机会往往是：项目用得特性比较深入，技术含量高；个人自驱动强，不断加深深度触及到了底层技术。不管是那种，都应该是面试官更青睐的人选，后者尤其青睐。

简单点，天赋。
复杂点：
1. 知行合一：5 分行动，3 分学习，2 分深入思考，交替执行。具体到玩游戏上，玩 5 局，看别人讲解 3 局，对自己玩的两局深入反思，总结失败，总结成功点。（也就是上面有人说的，需要你足够“刻意”去玩）
2. 建立知识图：一般知识都可以按照树来组织。玩游戏也是一样，你讲的几个技术点都可以组织成树状，总结一下。比如，玩游戏玩得好，至少可以拆分成几个方面：基础操作技术(练习连招)，情报能力(对数值分析)，战局判断能力，等等的。拆分之后，每个环节可以具体练习，订立目标，能用数值上反应自己的进步。就好比上学的时候是考试，玩游戏，就是单位时间伤害啊、连招失误率之类的。
3. 合理添加训练。
不过按照上述方法玩，就算是游戏也没啥乐趣了吧。而且按照上面方法玩，你大概率比你同事进步速度还快，并能迅速达到业余高手级别。后续就是吃天赋的环节了。
至于为啥同事进步那么快，可能按照我说的 1 、2 模式来玩的，3 大概率没有，外加以前有相关游戏经验，外加可能有操作技术的天赋，综合来说，达到了很快进步。

每次看到 volatile 就头疼。C++和 Java 的 volatile 还不一样。

感觉实力还不错，不过简历看不出求职方向。建议你按照自己倾向的 JD 优化一下。另外学生就是多刷题了，多注意基础原理了，项目也难问出太多。

有部分感觉忘了：cookie 参数、sort 参数、css 处理的一些细节。毕竟两三年没写前端了。倒也不算太超纲。不过既然是小公司，你就只能降低要求了。建议你还是多考虑是否聪明、是否保持学习以及是否足够踏实，问题围绕这些中心思想来。

建议看你自己常用框架的源码。优先于基础原理。基础原理方面：HTTP 相关(毕竟太常用)>数据结构算法(毕竟面试刷题用)>操作系统和网络(建议直接从常见面试题入手，片面了解一下)>组成原理(可以看看加法器和存储器的实现)。此外，数据库方面需要额外深入。以及再学个编译型的语言(对比与 python)。

@cs8425 我跟你观点一样，上次就跟这哥们 battle 过一次，还被对方一顿喷，说我缺乏工程师素养。

补充个欠条就完了。不过有聊天记录的话，能证明有借钱，也还好。至于啥时候能要回来，就够呛了。
同事关系，交往不深。建议借钱不超过 1 万(或 5000 ，定一个自己能承受的数，这样损失也不会特别心疼)。
此外，借钱不还的，绝对不能再借了。